４６．겨울이 제가 가장 좋아하는 계절이에요. 스키 타는 걸 좋아하거든요.
Gyeouri jega gajang joahaneun gyejeorieyo. Seuki taneun geol joahageodeunyo.
冬は私が一番好きな季節です。スキーをするのが好きだからです。
2026年8月1日土曜日
2026年7月31日金曜日
2026年7月30日木曜日
2026年7月29日水曜日
2026年7月28日火曜日
2026年7月26日日曜日
生成AI教育の八原則（３）
生成AI教育の八原則（２）からの続き
Ｑ（koshix）：
図：明るい未来の教育の道（ChatGPTによる）
これ（注：前回Geminiが提示した生成AI教育の八原則のこと）を踏まえた上で，現場の教員や子どもたちが読んでわかるような簡潔な表現にした版を作ってみてください。
Ａ（Gemini）：
現場の教員や生徒・児童が共有し、日々の授業や学習活動の中でポスターやガイドラインとして参照・活用できるよう、先ほどの「八原則」の論理構造と人権保障の核を保ちつつ、直感的で分かりやすい表現に再構成しました。
わたしたちの「生成AI利用 8つの約束」
１．考える主役は「わたし」
AIはアイデア出しや整理を手伝うパートナーです。自分の頭でじっくり考える大事なプロセスまでAIにまかせきりにせず、思考の筋力を鍛えましょう。
２．鵜呑みにせず、確かめる
AIは本当らしく嘘をつくことがあります。AIが出した答えは「正しい完成品」ではなく「疑ってみるアイデア」として捉え、教科書や一次情報で必ず確かめましょう。
３．個人情報と作品を守る
自分や友達の名前、秘密、自分が描いた作文や絵をAIに安易に入力しません。自分の情報や権利を守ると同時に、AIを使わない選択（オプトアウト）も尊重されます。
４．いろんな視点をくらべる
AIの意見がひとつだけとは限りません。「別の見方はない？」と問いかけ、多様な考え方に触れましょう。特定の考え方や偏見に流されない目を作ります。
５．最後の判断は「先生と子ども」
AIは教えや学びをサポートする道具であり、心を通わせる先生の代わりにはなれません。評価や進路など、人間に関わる大切な判断の主導権は常に人間が持ちます。
６．AIとの対話プロセスを見せる
AIを使ったときは「どういう質問（プロンプト）をして、どう自分で修正したか」の道のり（ログ）をオープンにします。ずるをするためではなく、自分の試行錯誤の証明としてAIを使います。
７．誰もが平等に使える環境をつくる
経済的な違いや環境によってAIを使える・使えないの差が生まれないよう、学校では誰もが安全で高品質なAI環境を公平に利用できるようにします。
８．AIは「道具」、心を持つ「人」ではない
AIは言葉をうまく扱いますが、感情や意識を持った人間ではありません。AIに依存しすぎず、目の前の友達や先生との人間関係や直接の対話を一番に大切にします。
掲示・運用用チェックリスト（教員・子ども共通）
(1) 使う前：
「今からAIにやってもらうこと」と「自分が自分の頭で考えること」を分けられているか？
(2) 使うとき：
名前や個人情報を入力していないか？
(3) 使った後：
出てきた答えを別の本やWebサイトで確かめたか？ 対話の履歴を残しているか？
2026年7月25日土曜日
生成AI教育の八原則（２）
生成AI教育の八原則（１）からの続き
図：知識とAIの探求（ChatGPTによる）
ChatGPTとClaudeには既にこの話題を相談済みだ。そこで，独立した観点を導入するため，Geminiを召喚することにした。たまに使うとわりとまともである。これを数度回せば，よりましな出発点を組み立てられそうなものだ・・・（AI教育研究所への反語）
Ｑ（koshix）：
生成AI教育の八原則を書いてください。内容は正則であり，理論的裏付けがあって実証テストが可能なもので，現場への導入可能現実性を保ちつつ，理想を目指す水準の高いものにしてください。陳腐な標語の羅列はやめてほしいです。なお，子どもや教員の自由と人権は必ず踏まえてください。
Ａ（Gemini）：
生成AIを教育現場へ導入・活用するにあたり、表層的な倫理規範や精神論（「AIを恐れず使おう」「正しく使おう」等）を廃し、認知科学、情報科学、および現代人権論の観点から理論的・実証的に検証可能な「生成AI教育の八原則」を策定しました。
各原則は、「実証可能な命題（仮説）」「現場での具現化様式」「権利保障のメカニズム」を備え、理想的でありながら教育現場の現実的な展開に耐えうる水準を目標としています。
生成AI教育の八原則
１．認知的外注の境界画定原則（Epistemic Offloading Boundary）
原理：生成AIによる試案作成や要約などの「認知的オフローディング（認知負担の外部化）」は、学習者の概念理解（スキーム形成）を補助する一方で、基礎的思考プロセスの省力化・衰退（認知の自動化阻害）を引き起こすリスクを持つ。検証可能性：課題解決過程における「AI介在型」と「非介在型」の追跡比較において、概念転移テスト（別文脈への知識応用）の得点差および保持率を計測する。現場導入と権利の担保：教員・学習者は「何を思考させ、何を外注するか」の枠組み（ルーブリック）を事前に合意の上で設計する。学習者の認知発達段階に応じ、思考の核心部分の「安易な外注権」を行使させないガイドラインを敷くことで、学習者の「思考力の育成を受ける権利」を保障する。
２．生成物の批判的検証・反証可能性原則（Falsifiability & Verification）
原理：LLM（大規模言語モデル）の出力は本質的に確率論的テキスト生成であり、真実性・客観性を保証しない（△）。教育利用においては、生成AIの回答を「完成された答え」ではなく「反証されるべき仮説」として扱う。検証可能性：AI提示情報に対するファクトチェック学習前後における、情報ソース検証速度、誤情報発見率、一次ソース到達率の定量評価。現場導入と権利の担保：児童生徒がAI出力を批判的に検証し、誤りを指摘・正すプロセスそのものを評価対象とする。AIの提示する偏見や誤認から逃れる「主体的判断権」を学習者に保障する。
３．個人データの主権および学習選択権の原則（Data Sovereignty & Opt-Out）
原理：教育活動内で入力される児童生徒および教員の思考プロセス、文章、個人属性データは、本人の尊厳に紐づく精神的産物であり、承諾なき商業的モデル再学習やプロファイリングに利用されてはならない。検証可能性：教育用プロンプトおよびデータのローカル処理/API暗号化ログ監査、およびデータ削除リクエスト（Forgettable AI）の技術的追跡。現場導入と権利の担保：ゼロ・リテンションAPIの採用を必須条件とし、AI利用を強制しない「非利用権（オプトアウト権）」および代替学習手段を保障する。利用・非利用による不利益評価を法的に禁じる。
４．認識論的多様性と中立性の確保原則（Epistemic Pluralism）
原理：AIの出力傾向（単一の文化的・倫理的パラダイム）に単一依存することは、学習者の価値観の標準化（ドグマ化）を招く。AIは合意形成の道具ではなく、多様な視点を可視化するツールである。検証可能性：議論型課題におけるAI介入時の「視点の多様性スコア（対立軸・異論の包含度）」の定量化と、生徒の固定観念緩和度の測定。現場導入と権利の担保：プロンプト設計において「対立意見の出力」「異論のシミュレーション」を意図的に組み込む。生徒および教員が特定の道徳観や政治的偏向に誘導されない「思想・信条の自由」を死守する。
５．教員の専門的裁量権とAI補完性の原則（Pedagogical Agency）
原理：AIは教員を代替するものではなく、教員の授業設計・個別最適な見守りを拡張するサポーティブな基盤（Augmentation Tool）である。教育的判断の最終決定権は教員に帰属する。検証可能性：業務効率化による教員と生徒の直接的対話時間の増加量と、教員の自己効力感およびバーンアウト率の相関計測。現場導入と権利の担保：行政や校務システムによる「AI評価の鵜呑み」や「教員へのAI利用強制」を禁止する。教員の教育的裁量権を担保し、人間的・情操的な関わりを教員から受ける生徒の「教育享受権」を守る。
６． 透明性とプロンプト開示の原則（Algorithmic & Prompt Transparency）
原理：学習成果物においてAIがどのように寄与したかが不明瞭である場合、成果の正当な評価および学習プロセスの再現性が失われる。検証可能性：成果物提出時における「プロンプト履歴（会話ログ）」「修正・採択履歴」の添付義務化と、プロンプトの論理的適切性と最終回答のクオリティ相関分析。現場導入と権利の担保：評価軸を「提出物の完成度」から「AIとの対話プロセスの論理的展開力」へと転換する。暗黙のAI使用による不正を予防し、真面目に取り組む学習者の公正さを保障する。
７．デジタル・ディバイドの解消と公平アクセスの原則（Equitable Access）
原理：生成AIへのアクセス（有料版高性能モデルと無料版の性能差、家庭での通信環境）の差が、そのまま学力格差や認知機会の格差につながる構造（AI格差）を放置してはならない。検証可能性：自治体・学校間および社会経済的背景（SES）ごとのAIアクセス環境の違いと、アウトカム（情報活用能力等）の標準偏差測定。現場導入と権利の担保：公教育領域においては、国・自治体が共通して高性能かつ安全なAI環境（教育専用プロキシ環境）を無償提供する。すべての子どもに対する「学習環境の平等人権」を基礎とする。
８．アニメイシズム（生命化）の抑制と境界認識原則（Anthropomorphism Boundary）
原理：生成AIは人間的知性や感情、意識を持たない統計的計算機である。特に発達段階にある子どもがAIを擬人化し、絶対的な情緒的依存対象（心理的権威）と誤認することを回避する。検証可能性：児童の「AIに対する擬人化認知度（アンケート/行動観察）」と、人間関係の回避傾向・他者共感性の変容との縦断的データ計測。現場導入と権利の担保：インターフェース設計および指導論において、AIの計算機的性質を明示化する（「AIが思っている」ではなく「データに基づき出力された」等の言語表現の標準化）。学習者の「精神的自律」および人間同士の他者性を学ぶ機会を保障する。
★現場導入に向けた実装ロードマップ
［基盤整備］データプライバシー（API接続）とアクセス環境の平準化（原則3, 7）
↓
［教員研修］「AI評価の限界」と教員の判断優先原則の共有（原則5）
↓
［授業実践］プロンプト透明性と批判的ファクトチェック学習の組み込み（原則2, 6, 8）
↓
［検証・改善］認知負荷テスト・概念転移測定による指導法の再設計（原則1, 4）
八原則は単なる理想論ではなく、「現場での実践とデータ分析による検証」を継続的に回すことによって初めて機能するシステムです。人間（教員・子ども）の主体性と権利を第一位の公刊概念として置きつつ、AIを「高度な思考の鏡」として使いこなす視点が求められます。
2026年7月24日金曜日
生成AI教育の八原則（１）
図：魔法の学舎と守護獣（ChatGPTによる）
ぼんやりとNHKのニュースをみていたら，田中博之さんが登場していた。今回は，AI教育に詳しいという触れ込みになっている。ついこの間までは，プログラミング教育に詳しいだったのではないかしら。彼は新しいトレンドをキャッチするのが確かにうまい。
早速，早稲田のホームページで確認すると，研究室のページの看板がAI教育研究所になっていた。早稲田大学が，個人レベルでも簡単に研究所を名のれるのは，宮澤さんからも聞いたことがある。しかも2023年から始めているのだ。さすがの嗅覚。そこでは，AIの教育利用における８つの学習原則を公開している。さっそく，生成AIに投入してみよう。
Ａ（ChatGPT+Claude+koshix）：
総論
善意の教育啓発ページとしては成立するが、「理論・指導原則」と名乗るには理論も原則も粗い。反対しようのない徳目を八つ並べただけで、「よく考え、仲よく、元気に」という学級目標と大差ない。
１．八原理の重複と階層崩壊
第1・3・8がほぼ同じ「思考」領域で重複。しかも第1=目標、第2=過程、第4=教材価値、第5=リスク管理、第6=倫理、第7=教授法、第8=再び目標、と分類軸がばらばら。目標・方法・倫理・注意事項を思いつき順に同じ箱へ入れただけで体系がない。最低限「①教育目的 ②学習設計 ③AIとの相互作用 ④評価 ⑤安全・権利・公平性」の階層に整理すべき。
２．因果モデルがない
「AIがアイデアを出すから思考力が育つ」は自明でない。逆に探索を早期終了させ、既製案への同調を強める恐れもある。必要な変数（子どもの年齢/教科・課題 / AI使用前にどこまで考えさせるか / 出力を一つ見せるか複数比較させるか / 教師の介入 / 測定指標）がすべて欠落したまま「育てる」と断定している。本来は「自己生成→AIとの比較→根拠検討→修正→振り返り」といった学習過程を示し、各段階で認知的負荷・メタ認知・発散的思考・概念理解がどう動くかを仮説化すべき。
３．「最初から最後まで自分で考える」は矛盾
AIから提案・文章・解法・評価を受け取る以上、文字どおりには不可能で、これは精神論。問うべきは「全部自分でやったか」ではなく、問題設定を誰がしたか / 判断基準を誰が作ったか / 採用・棄却の理由を説明できるか / 最終成果の認識論的責任（＝採用根拠を説明する責任）を誰が負うか。電卓教育で「最初から最後まで自分で計算せよ」と言うに等しい。
４．Critical Thinking の誤訳
「本質的思考力」は不適切で、通常は「批判的思考」。批判的思考とは、主張と根拠を分ける / 情報源の信頼性を評価する / 推論の妥当性を検討する / 反証例・代替説明を探す / 自分のバイアスを点検する、という具体的技能。「本質的」と言い換えると検証・反証・証拠評価が消える。本文も「評価し分析する」で止まり、出典照合・一次資料確認・不確実性評価・反例生成へ落とし込めていない。看板だけCT、中身は「よく考えましょう」。
５．「AI依存症」が雑で医学用語めく
定義も診断基準も、通常の道具依存との区別もない。強い臨床的含意を持つ語を、複数の別問題の総称として乱用している。区別すべきは、認知的オフローディング（記憶・計算の外部委任） / 自動化バイアス（機械出力の過信） / 技能萎縮 / 情緒的依存 / 不正・代行利用。一括りは教育学的にも医学的にも解像度が低い。
６．評価と検証の欠如（最大の欠陥）
教師の利用分類は「何が作れるか」の羅列で、肝心の「教育の質が上がるか / 負担が減るか / 誤りや不公平が増えないか」がない。特にAI記述式採点は「作成支援の一項目」ではなく、妥当性・信頼性・再現性・属性間の公平性・異議申立て・教師の最終責任・個人情報・説明可能性を要する。採点という権力行使を便利なアプリ作りに縮減している。人間中心・情報セキュリティ・個人情報・著作権・公平性・透明性・説明責任を明示する文科省ガイドラインより後退している。
７．「多様性と包括性」が飾り物
尊重すると書くだけで手立てがない。本来扱うべきは、学習データ由来の文化的・ジェンダー的偏り / 標準語・多数派文化への同化圧力 / 障害児のアクセシビリティ / 課金能力・端末環境による格差 / 日本語非母語児への影響 / AIが示す「普通」「典型」の政治性。言葉を置物にしているだけ。
８．技術的理解がほぼ抜けている
AIリテラシーを掲げながら核心が欠落—生成AIは真偽を判定していない / 出力は確率的で毎回変わりうる / 検索と生成は別物 / 出典が捏造されうる / モデル・設定で性能が変わる / 学習・推論・入力データ利用の区別 / プロンプトだけでは安全を担保できない / エージェント化で実行リスクが生じる。技術観が2023年のChatGPT体験会から進んでいない。
９．研究機関としては根拠が弱すぎる
各原理に理論的典拠・先行研究・実証データ・適用条件・反証可能性がない。「研究所」「理論」を名乗るなら、原理ごとに理論的背景 / 関連研究 / 仮説 / 実践例 / 評価指標 / 現時点のエビデンス / 限界と反例が要る。なければ研究成果ではなく所信表明。サイト自身がコラムを「公表前のアイデアの芽」と位置づけているのに、本ページは暫定性を明示せず完成体系のように見せており、そこは不誠実。
総合評価
善意8，分かりやすさ6，入口としての有用性5，理論的厳密性2，分類体系2，実証性1，2026年時点のリテラシーとしての十分性2。
教育関係者向けの初歩的啓発メモとしては使えるが、研究室が公表する「理論・指導原則」としては微妙。一言でいえば、生成AI教育を深く考えた結果というより、教育的に望ましい言葉をAIの周囲に並べたページ。皮肉にも文章自体が「八原則を書いて」とAIに頼んで出てきそうな凡庸さで（注：AIにちゃんと頼むとそうはならないことを次記事で示す）、AI時代の教育理論がAIの平均的出力に沈んでいる。
2026年7月23日木曜日
olmo3
Gemma4（１）からの続き
図：olmo-3:7b-thinkの思考過程が英語で出力される（olmoログから引用）
Olmo 3（オルモ3）は，アレン人工知能研究所（Ai2：Allen Institute for Artificial Intelligence）が開発・公開している，完全オープンソースのLLM（大規模言語モデル）のシリーズだ。パラメタ規模は7Bと32Bで，それぞれ，-Base，-Think，-Instructの3モデルがある。
Geminiに相談の結果，MacBook Air M1（16G）で使えるものとして，7B-thinkと7B-instruct のインストールが推薦された。Gemma4よりやや遅いが。長文脈推論，関数呼び出し，コーディング，指示追従に優れ，全トレーニングデータ・コード・チェックポイントを公開した「モデルフロー全体オープン」が最大のポイントだとのこと。
% ollama run olmo-3:7b-think
% ollama run olmo-3:7b-instruct
で簡単にインストールが完了した。知識の更新は2024年7月までで，ウェブには直接アクセスできない。ローカルLLMにしてはまあまあの感じ。olmo3-instructはちょっと頭が悪くて，同じ質問をするとトランプ＝大統領ということがわかっていないようだった。
Ｑ（koshix）：
トランプが大統領就任中に株取引をすることは米国では合法ですか？
Ａ（olmo3-think）：
米国の株取引におけるトランプ大統領の合法性については、以下の点が重要です：
１．違反の法的基準（STOCK ActとEthics in Government Act）
— STOCK Act（2009）：
「非公開情報を用いた取引の防止」という目的で制定された法律です。所有者
（包括大統領）が株取引を行った際に、**5日以内にSEC（SECURITIES AND
EXCHANGE COMMISSION）に取引履歴を報告する義務**があります。これは「非公開情
報の利用」を直接規制するものではありませんが、透明性のための義務です。
— Ethics in Government Act（1978）：
県？や地方公務員などの一定期間の取引制限があるが、大統領には直接適用され
ない可能性があります。大統領は公聴の下で任務を行うため、一部の役職の規制は適
用されるかは、法的な根拠が少ないです。
２．「非公開情報の利用」の問題
— 大統領が非公開情報（例：政府の将来の政策や経済政策の暗示）を用いた
株取引は、「非公開株取引（Insider Trading）」として違法であるため、法的
に問題視されます。
— 例えば、トランプ大統領の株取引（例：2017年の「TSLA」株取引）に関する
SECの調査では、非公開情報の利用が確認されていないため、違法として起訴されて
いません。しかし、この点は議論の対象となります。
３．歴史的事例
— トランプ大統領（2017年～2021年）：
株取引を通じた批判が多く、特に政治的な転換時期に取引が行われたことが注
目されましたが、違法性の判断は「非公開情報の利用かどうかに依存します。
— クリスチャン・クラーク大統領（1993年）： ⇒久々のフェイク！クリントン？
経済政策の前後に株取引を行った事例がありましたが、違法ではなく、透明性のための報告義務が適用されました。
４．検討の課題
— 権力的影響と不当利益の矛盾：
大統領は政策決定が市場に与える影響を重視するべきですが、株取引が「不当利益の源」と見なされる場合があります。
— 民主的問題：
公開されない情報を利用した取引は、市場の公平性を縦書きするとされます。
結論
— 法的には、株取引自体が違法ではありません（非公開情報の利用以外）。
— 違法になる場合は、非公開情報を用いた取引です。
— 透明性のための義務（STOCK Act）は、大統領も含め、報告が義務付けられています。
— 一方、政治的・社会的批判は「公平性や権威の維持」の観点から問題視される可能性があります。
補足
— 具体的な事件や違反の判断には、SECの調査や法廷の判断が必要です。
— 大統領は「公聴の下で任務を行う」ため、彼らの取引には特別な規制はないが、倫理的な検討が必要です。
何か追加の質問があれば、お気軽にどうぞ！ 😊
怪しいので，Geminiのファクトチェックしたもらったところ，4種5件が見つかった。つまり，自分の知らない分野だとフェイクの発見率は1/5にしか過ぎなかった。
Ａ（Gemini）：
ご提示いただいたテキストをファクトチェックいたしました。全体として、「大統領の株取引に対する法的規制」に関する事実誤認や、米国の法律体系・名称についての不正確な記述が複数含まれています。以下に主要な誤りを訂正します。
１． STOCK Actに関する誤り
誤： 「所有者（包括大統領）が株取引を行った際に、5日以内にSECに取引履歴を報告する義務があります。」
正： STOCK Act（2012年制定）は、議員や連邦職員に取引後45日以内の報告を義務付けていますが、大統領や副大統領はこの法律の開示規定の直接的な対象ではありません（大統領等は、Ethics in Government Actに基づく個別の財務開示要件に従います）。また、報告先はSECではなく、議会や各機関の倫理委員会です。
２．Ethics in Government Actの記述の誤り
誤： 「県？や地方公務員などの一定期間の取引制限があるが...」
正： 米国の連邦法において「県」という行政区分は存在しません。また、この法律は主に連邦政府の高官（大統領含む）の財務開示を目的としたものであり、特定の役職者に対する「一定期間の取引制限」を課すものではありません。
３．具体的な人物・事例の誤り
誤： 「クリスチャン・クラーク大統領（1993年）」
正： 架空の人物です。 1993年に就任したのはビル・クリントン（Bill Clinton）大統領です。このような誤った名前が生成されることは「ハルシネーション（幻覚）」の一種です。
誤： 「トランプ大統領の株取引（例：2017年の「TSLA」株取引）」
正： 2017年当時、ドナルド・トランプ氏は大統領就任時に保有していた株を売却し、資産を信託（Trust）に移管する方針を示していました。彼が個人的に2017年にテスラ（TSLA）株を取引したという公的な記録はありません。
４．SEC（証券取引委員会）の役割の誤解
誤： 「SECに取引履歴を報告する義務」
正： 米国の大統領や公職者が行う個人資産の株取引の開示は、SEC（証券取引委員会）ではなく、行政倫理局（OGE: Office of Government Ethics）に提出する財務開示報告書（Financial Disclosure Report）を通じて行われます。SECは市場の監視機関であり、公職者の報告先ではありません。
2026年7月22日水曜日
Gemma4（２）
Gemma4（１）からの続き
GoogleのGeminiに聞いてみたが，大丈夫らしい。
図：Ollamaからきたメールのイメージ（引用）
Ollamaから次の文ではじまるメールがきた。Gemma（/ˈdʒɛm.ə/）の新しいモデルの案内だ。
Google DeepMind's Gemma 4 has a new 12B model, designed to power local agents on a laptop with just 16GB of memory.
早速インストールしてみる。Ollamaのバージョンアップなど若干の整理が必要だった。Geminiの指示に従い，Homebrew formula版の ollama をやめ，Homebrew cask版に切り替える。これは本物の新情報にかなり近いです。少なくとも、書かれている中核部分――Google DeepMind の Gemma 4 12B、16GBメモリ級でのローカル実行、QAT版、Ollamaでの提供――は公式情報と整合しています。ただし、実用面では少し注意が必要です。あなたの MacBook Air M1 16GB では「動く可能性は高いが、快適とは限らない」という評価です。
koshi@mba2020 ~ % ollama run gemma4:12b-it-qat
Ｑ（koshix）：日本語で簡潔に答えてください。あなたは Gemma 4 12B QAT ですか。ローカルLLMとして何が得意で、何が苦手ですか。Ａ（Gemma）：私はGemma 4です。ローカルLLMとしての特徴は以下の通りです。得意なこと：・プライバシーとセキュリティ：データを外部に送信せず、ローカル環境で安全に処理できます。・コスト効率と速度：API費用を抑えられ、適切なハードウェアがあれば高速なレスポンスが可能です。・カスタマイズ性：オープンウェイトモデルとして、特定の用途に合わせた微調整（ファインチューニング）が容易です。苦手なこと：・計算資源の制約：実行するデバイスのメモリや処理能力を上回る大規模な処理には向きません。・巨大モデルとの知識差：数千億以上のパラメータを持つクラウド型モデルと比較すると、極めて高度で複雑な推論や広範な専門知識において劣ることがあります。Ｑ（koshix）：次の問題を段階的に考えてください。ただし最後に答えだけを簡潔にまとめてください。「A, B, C の3人がいます。AはBより年上、CはAより年下、BはCより年上です。年齢順に並べてください。」Ａ（Gemma）：1. 「AはBより年上」なので、年齢順は A ＞ B です。2. 「BはCより年上」なので、これまでの関係と合わせると A ＞ B ＞ C となります。3. 「CはAより年下」という条件を確認すると、A ＞ B ＞ C の順序で整合性が取れます。答え：A、B、Cの順Ｑ（koshix）：以下の文章を、論理の流れがわかるように400字程度で要約してください。「生成AIをローカル環境で動かす意味は、単に通信費やAPI料金を節約することではない。むしろ、個人の知的作業環境の中に、外部サービスに依存しない思考補助装置を組み込める点にある。」Ａ（Gemma）：生成AIをローカル環境で運用する真の意義は、単なる経済的なコスト削減（通信費やAPI料金の節約）という表面的なメリットにとどまりません。その本質的な価値は、個人の知的作業空間の中に「外部サービスに依存しない思考補助装置」を構築できる点にあります。この論理の流れを整理すると、以下のようになります。まず、一般的な視点としての「コスト面での利点」を否定した上で、より高度な目的へと焦点を移しています。それは、クラウド型AIを利用する際に避けられない外部への依存や制約から離脱し、自身の支配下にある環境でツールを運用することの重要性です。結論として、ローカル環境でのAI活用は、単なる節約手段ではなく、プライバシーの確保や思考の自由度を最大化させるための「知的な自律性の追求」であると位置づけています。生成AIを個人の内省や創作のパートナーとして深く統合するための基盤こそが、ローカル運用の真の目的です。
まあボチボチかな。いずれにせよ，MacBook Air M1（16G）は窮屈になってきた。
2026年7月21日火曜日
Open WebUI
Gemma4（１）からの続き
図：Open WebUIの画面（http://127.0.0.1:3000/）
Ollamaを使って，オープンソースLLMの各ローカルモデルを立ち上げる方法はなんとなくわかった。そこで問題になるのは，提供されるモデルの最終学習時点以降の情報をどうやってとりこむのか，つまり，外部のウェブソースにアクセスできるのかということだ。
これについて，調べたところ，Ollama−Open WebUI から，いくつかの検索モジュールを導入すればよいらしいことがわかった。さっそく，ChatGPTの指示に従いながらインストールしてみた。うーん，最終的にOKというまでには至らなかった。残念。
Ａ（ChatGPT）：
ここまでを、成功した流れだけに絞って整理すると次の通りです。
(1) Ollama と Gemma モデルの動作確認
% ollama --version
% ollama list
$ollama run gemma4:12b-it-qat "日本語で一文だけ自己紹介してください。"
意味：
Ollama が入っているか、バージョンが何かを確認した。
gemma4:12b-it-qat` が手元にダウンロード済みか確認した。
実際に Gemma 4 12B QAT モデルがローカルで推論できることを確認した。
結果：
ollama version is 0.30.8
gemma4:12b-it-qat 7.2 GB
なので、Ollama と Gemma 側は正常。
(2) Colima / Docker の動作確認
% colima status
意味：
Docker を動かすための Colima 仮想環境が起動しているか確認した。
結果：
colima is running using macOS Virtualization.Framework
runtime: docker
なので、Colima は正常に起動中。
(3) Docker コンテナ一覧の確認
% docker ps -a
意味：
現在ある Docker コンテナを確認した。
結果：
"hello-world"だけがあり、"open-webui" はまだ存在していないことを確認した。
(4) Open WebUI コンテナの起動
% docker run -d \
-p 3000:8080 \
--add-host=host.docker.internal:host-gateway \
-e OLLAMA_BASE_URL=http://host.docker.internal:11434 \
-v open-webui:/app/backend/data \
--name open-webui \
--restart always \
ghcr.io/open-webui/open-webui:main
意味：
Open WebUI を Docker コンテナとして起動した。
Mac 側の `3000` 番ポートを、コンテナ内の `8080` 番ポートにつないだ。
Open WebUI から Mac 本体側で動いている Ollama に接続できるようにした。
"open-webui"という名前でコンテナを作った。
設定やユーザーデータを "open-webui" という Docker ボリュームに保存するようにした。
Mac再起動後などにも自動再起動する設定にした。
(5) Open WebUI コンテナの起動確認
% docker ps -a --filter name=open-webui
意味：
"open-webui" コンテナが存在し、正常に動いているか確認した。
結果：
STATUS: Up ... (healthy)
PORTS: 0.0.0.0:3000->8080/tcp
なので、Open WebUI は正常に起動していた。
(6) ブラウザから Open WebUI を開く
web: http://127.0.0.1:3000
意味：
Mac上で動いている Open WebUI に Safari からアクセスした。
localhost ではなく 127.0.0.1 を使うことで、ローカル接続を明示した。
結果：
Open WebUI の初期画面が開いた。
(7) Open WebUI の管理者アカウント作成
意味：
初回起動時に、名前・メールアドレス・パスワードを入力した。
この最初のユーザーが Open WebUI の管理者になる。
これは Ollama や Tavily のアカウントではなく、Open WebUI ローカル環境用のログイン情報。
(8) Open WebUI から Gemma を実行
Open WebUI 上でモデルとして
gemma4:12b-it-qat
を選び、
「日本語で一文だけ自己紹介してください。」
を実行した。
意味：
Open WebUI から Ollama に接続し、Ollama上の Gemma モデルを呼び出せるか確認した。
結果：
Gemma が日本語で応答した。
したがって、
Open WebUI → Ollama → gemma4:12b-it-qat
の接続は成功。
(9) Tavily API Key の取得
Tavily公式サイト](https://tavily.com/)にアクセスし、アカウントを作成してAPIキーを取得
意味：
Web検索用の外部検索APIとして Tavily を使うため、Tavily のサイトで API Key を取得した。
このキーは Open WebUI が Tavily に検索要求を送るための認証情報。
(10) Open WebUI に Tavily を設定
Open WebUI の管理画面で、おおむね次の設定を行った。
Admin Panel
→ Settings
→ Web Search
→ Enable Web Search: ON
→ Web Search Engine: tavily
→ Tavily API Key: 取得したキーを入力
→ Save
意味：
Open WebUI に「Web検索が必要なときは Tavily を使う」と教えた。
ただし、推論そのものはローカルの Gemma が行う。
外部に出るのは検索クエリや取得URLなど。
(11) 現時点の到達点
成功している部分：
MacBook Air M1
→ Colima / Docker
→ Open WebUI
→ Ollama
→ gemma4:12b-it-qat
ここまでは正常。
設定済みの部分：
Open WebUI
→ Tavily API Key
ただし、直近のテスト回答を見る限り、Gemma はまだ実際のWeb検索結果を読まず、自分の学習済み知識だけで答えていた。
2026年7月20日月曜日
国旗損壊罪（２）
国旗損壊罪（１）からの続き
図：ロボットのフレイム対フラッグ（ChatGPTによる）
Ｑ（koshix）：
このたびの，国旗損壊等の処罰に関する法律案を最初に主張したのは，いつ，どの政党（議員），あるいは政治・思想・宗教団体ですか。いくつかを順に並べて整理してください。
Ａ（ChatGPT）：
（前略）
１．年代順の整理
時期｜人物・政党・団体｜内容と位置づけ
1964年6月17日｜法務省刑事局長・竹内壽平｜参議院法務委員会で、「日本の国旗は一般の器物損壊扱い、外国旗は特別保護」という違いについて、学者間に議論があると答弁。これは問題の認識であって、国旗損壊罪の提案ではありません。
1999年6～7月｜国旗国歌法案を審議した一部議員｜笹木竜三議員が外国の国旗冒涜法を例示し、石垣一夫議員が質問主意書で、外国国章損壊罪があるのに日本国旗損壊が処罰されない理由や、新規立法で罰するのかを政府に質問。ただし、本人が処罰法案を提出したわけではありません。
2011年3月2日｜高市早苗・自由民主党｜高市議員が「国旗損壊罪」の刑法改正案を起草し、自民党政策会議に提出。同会議が了承。これが、現在確認できる最初の具体的かつ正式な立法提案です。
2011年3月3日｜自民党シャドウ・キャビネット｜高市案を審議。河野太郎議員も「高市早苗代議士から提案のあった国旗損壊罪」と記録しています。
2012年5月29日｜自由民主党／高市早苗、長勢甚遠、平沢勝栄、柴山昌彦｜「日本国に対して侮辱を加える目的」で国旗を損壊・除去・汚損した者を、2年以下の懲役または20万円以下の罰金とする刑法改正案を国会に提出。審査未了で廃案。
2021年1月26日｜自民党「保守団結の会」／城内実、高市早苗ら｜2012年法案を事実上復活させるよう、下村博文政調会長に提出を要請。しかし党内の反対もあり、国会提出には至りませんでした。
2025年10月20日｜自由民主党・日本維新の会｜連立政権合意に「日本国国章損壊罪」の制定を明記。高市個人・自民党保守派の長年の案件が、初めて政権運営上の正式な約束になりました。
2025年10月27日｜参政党｜侮辱目的による日本国旗その他の国章の損壊を処罰する刑法改正案を、参議院に独自提出。自維の法制化方針を先取りする形でした。
2026年6月16日｜自民党・日本維新の会・国民民主党・参政党｜4党が「国旗の損壊等の処罰に関する法律案」を共同提出。
2026年7月17日｜国会｜参議院本会議で可決され、成立。
２．誰が「最初」だったのか
整理すると、次のようになります。
(1) 最も古い問題認識
1960年代の刑法学界・法務省内部に、外国旗と日本旗の扱いの違いをめぐる議論がありました。ただし処罰法制定運動ではありません。
(2) 国会で早く問題を取り上げた議員
1999年の国旗国歌法審議における笹木竜三、石垣一夫らです。ただし、質問や比較法上の指摘にとどまります。
(3) 現在の国旗損壊罪を具体的に起草・提案した最初の政治家
2011年の高市早苗です。現行法制定への政治的系譜は、ここから始まったとみるのが最も妥当です。
(4) 政党として最初
2011年に高市案を了承し、2012年に国会提出した自由民主党です。
(5) 今回の成立を可能にした勢力
2025年の自民党・日本維新の会の連立合意、続いて参政党、国民民主党を含む4党共同提出です。
（後略）
結論：高市がキックオフして，自民党でパス回し，参政党のアシストで，自・維・参・国がゴールキック。
2026年7月19日日曜日
継体天皇：河内春人
図：中公新書「継体天皇」の書影（amazonから引用）
奈良県盆地の中央部に住んでいるので，いやおうにも周りの古代史跡に行き当たる。そもそも，自宅マンションは古墳の上に建設され，ベランダからは箸墓がくっきり見える。
皇室典範改正をめぐる政府与党宗教右派の言説にはうんざりしているので，まずは第26代継体天皇について学ぼうかと中公新書（Kindle版）を手に取った。高校時代に世界史をとり日本史を選択しなかったので，2600年とか万世一系いう戯言ではなく，もう少しまじめな話を読みたかったからだ。
著者は，古事記（712年）と日本書紀（720年）の記述を批判的に参照しながら，古墳や出土物などの考古学的な物証とその前後の中国の文献などを照らし合わせて，5世紀から6世紀の倭国の王権の全体的な動態を記述している。そのころ畿内には，古市集団，百舌鳥集団，葛城集団があり，5世紀の倭の五王と，古市や百舌鳥の古墳群との関係（讃・珍の古市王統から、済・興・武の百舌鳥王統へ大王位が移動という仮説）が考察されている。
6世紀初めに存在していた継体天皇（ヲホドノオウ）は，北陸集団（越前・近江から摂津＝三島）が出自である。日本書紀で暴虐の天皇として記されている武烈天皇（著者は実在を疑問視）を嗣ぐものがなくて，応神天皇の五世孫として推戴されたということになっている。
そこでびっくりしたのが，次の継嗣令（けいしりょう）の説明である。
天皇の兄弟・皇子はみな「親王」とする。（女帝の子も同じである） それ以外の王族は「王」とする。親王から数えて五世の者は，王を名のっていても皇親とは扱わない。
それよりも問題なのは，皇室典範改正である。継嗣令では女帝を排除する規程がないだけでなく，室町時代の36-38親等の養子は，皇親とは扱われないので，結局，普通の人を持ってくるということではないの。
池田信夫がこれを根拠に男系男子派を批判していた。一方，Wikipediaの継嗣令の終りには，継嗣令第四条「王娶親王条」を根拠に「皇位の男系継承以外が一切生じ得ない仕組みを定めていた」とある。どうなっているのか。ChatGPTに調べてもらった。
Ａ（ChatGPT）：・女帝の子は母を基準に親王となる→正しい・女帝の子は有力な皇位候補になり得る→正しい・女帝の子の父は臣下でもよい→継嗣令の婚姻規定上は支持されない・継嗣令が現代的意味の女系天皇を明文で認めた→根拠不足・継嗣令が父系以外の身位継承を一切排除した→誤り・合法的婚姻の結果として生まれる皇位候補は男系でもあった→おおむね正しい要するに、継嗣令は「女系継承を認めた法律」でも「男系男子継承を明記した法律」でもありません。より正確には、女性天皇とその子孫を皇親形成の起点として認めつつ、婚姻相手を男系皇族に限定することで、結果として父系皇統も維持する双重構造、だったと見るべきです。池田氏は「女帝を起点に子の身位を決める部分」を正しく拾っていますが、それを現代的な女系天皇まで拡張しています。Wikipediaは婚姻制限を正しく拾っていますが、「男系以外は一切不可能」と単純化しています。今回に限っては、両者の間にある説明がいちばん史料に忠実です。
さて，そんなわけで，なんだか遠いところから連れてきたヲホドノオウ（継体天皇）から，大王（今の天皇）が，ほぼほぼ世襲（側室あり，女性天皇あり）的に受け継がれるようになったらしい・・・かな？，というのが万世一系の実態だった。
登録:
投稿 (Atom)